[发明专利]一种高精度的戴口罩人脸识别技术

说明书

本发明是为解决在戴口罩场合下人脸的精确识别的问题。利用本发明，可以实现针对戴口罩或者面部遮挡场合下的人脸识别工作，用于安防和考勤等领域。

技术领域

本发明涉及到在机器视觉技术领域下，利用深度学习算法，基于预处理的特定数据集而训练出的一种针对戴口罩场合下的人脸识别算法模型。方法通过对戴口罩的人脸进行精准的特征提取和比对，从而实现高精度的戴口罩人脸识别功能。

背景技术

目前，受新冠疫情的影响，佩戴口罩逐渐成为了一种常态，无论是在日常出行时还是在工作中，而对于市面上既存的人脸识别设备和系统来说，原有的人脸识别算法已经无法满足当下的需求，为了解决戴口罩条件下的人脸识别功能，研究推出能够满足戴口罩场合下的人脸识别算法模型。

发明内容

发明基于深度学习网络模型，通过算法训练大量脸部眼睛和额头的特征，获得能够精确从脸部提取眼部和额头特征的算法识别模型。基于RetinaFace重新对戴口罩的人脸照片的5个关键点（左眼，右眼，鼻尖，左嘴角，右嘴角）进行大量标注和训练，使得模型可以更加精确的提取戴口罩照片下的人脸关键点，便于在人脸预处理环节下的对齐操作，从而提升戴口罩人脸的识别精度；

整个流程如下:

1. 戴口罩人脸识别算法模型训练

1） 使用asia 数据集280w 张左右的图像，裁剪出鼻梁以上的图像包含眼睛和额头作为戴口罩人脸识别的训练数据集

2）将整理好的数据集放入以往的高精度人脸识别算法中进行训练

3）得到戴口罩人脸识别模型

2. 戴口罩人脸关键点模型训练

1）标注大量的人脸5个关键点数据集；

2）使用RetinaFace 作为基础的算法，对新的数据集进行训练；

3）得到戴口罩人脸关键点检测模型；

3. 构建人脸识别服务

1) 使用常规的人脸检测算法，抓取人脸图像

2) 使用戴口罩人脸关键点检测模型提取人脸关键点

3) 使用提取的5个关键点，对人脸图像做标准化的仿射变换来标准化人脸图像

4) 将标准化的人脸图像，放入戴口罩人脸识别模型进行特征提取和识别操作

通过以上方法，实现了一整套完整戴口罩人脸识别服务。

附图

（图1）戴口罩人脸识别训练流程图；

（图2）戴口罩人脸关键点训练流程图；

（图3）戴口罩人脸识别技术架构流程图。

具体实施方式

为了让专利的特征和优点能更明显易懂，下文特举实施例，详细说明如下

带GPU 2080ti显卡服务器1台，系统需要满足Linux Ubuntu18.04 以上，支持 MxnetCUDA GPU版本，Mxnet 版本1.5 以上， CUDA 10.1 以上；

实施过程如下：

1. 构建戴口罩人脸识别数据集，基于280w 亚洲人脸图像进行裁剪和预处理；

2. 使用深度学习网络模型，对戴口罩人脸识别数据集进行训练获取算法模型；

3. 人工标定大量(3000张以上)的戴口罩人脸的图像的关键点构建数据集；